断路器操动状态声音辨识的优化算法的研究

为解决基于声信号分析的高压断路器在线诊断故障中外界环境干扰问题,提出了一种声音扰动信号辨识的盲源分离方法。首先利用改进的势函数法进行源数估计,然后通过集合经验模态分解(EEMD)算法得到多个IMF分量,重构形成符合聚类源数的多维信号,并利用拟牛顿法优化快速独立分量分析算法,实现声音信号的盲源分离;最后根据包络特征比对获取断路器状态辨识的合闸声音信号分量。实验结果证明,文章提出的方法能够在信源信息未知情况下,从混叠声音信号有效地提取断路器操动产生的有用声信号。

基于EMMD和BSS的单通道旋转机械故障诊断方法

针对在欠定的观测信号情况下,传统基于矩阵的盲源分离算法效果比较差的问题,提出一种基于极值域均值模式分解和盲源分离的单通道旋转机械信号故障特征提取方法,并应用于实际的故障诊断中。该方法先通过极值域均值模式分解法分解观测信号,把得到的固有模态函数和原观测信号一起组成新观测信号,从而实现了信号升维,使欠定问题转化为正定问题;然后,由奇异值分解和贝叶斯准则进行源数估计;最后,利用基于四阶累积量的特征矩阵联合对角化方法实现信号的盲分离。通过仿真,验证了该方法对旋转机械故障信号进行盲源分离的可行性。将提出的方法应用到齿轮和轴承系统的故障诊断中,进一步证明了该方法的有效性。

复杂声场中的频谱分离

工厂里多台机器同时运行时发出的声音和环境噪声一起构成复杂声场 ,每台机器的声学诊断都受到其它机器的严重干扰。用一组传声器在不同位置测得声音信号 ,利用盲源分离思想并结合声学故障诊断特点对混合信号进行频谱分离 ,得到各台机器的特征频谱结构图 ,使得对每台机器进行声学故障诊断成为可能。经过仿真测试和实验研究 ,证明了该算法的有效性 。